機械学習と実世界データを用いたスクリーニング年齢未満の個人における早期発症大腸癌の予測（プレプリント）

背景 大腸癌（CRC）は現在、若年のアメリカ人における癌関連死亡の主原因となっています。正確な早期予測と早期発症大腸癌（EOCRC）のリスク因子の詳細な理解は、推奨されるスクリーニング年齢以下の患者に対して、有効な予防と治療のために非常に重要です。 目的 本研究は、45歳未満のスクリーニング年齢以下の個人を対象に、機械学習（ML）と構造化された電子健康記録（EHR）データを用いてEOCRCを予測することを目的としています。 方法 私たちはOneFlorida+臨床研究コンソーシアムから45歳未満の患者コホートを特定しました。結腸癌（CC）と直腸癌（RC）は異なる病理を持つため、それぞれの癌タイプに対し様々なMLアルゴリズムを用いて別々の予測モデルを作成しました。複数の予測時間枠（0年、1年、3年、5年）を評価し、交絡因子を考慮するために傾向スコアマッチング（PSM）を用いてロバスト性を確保しました。モデルの性能評価は確立された指標を使用しました。さらに、Shapley Additive exPlanations（SHAP）を活用してEOCRCのリスク因子を特定しました。 結果 研究では、0、1、3、5年におけるCC予測のAUCスコアはそれぞれ0.811、0.748、0.689、0.686であり、RC予測はそれぞれ0.829、0.771、0.727、0.721でした。主な予測因子には、免疫系と消化器系の障害、二次癌、低体重などが含まれ、これらはCCおよびRC両群に共通して多く見られました。血液疾患はCCの顕著な指標として浮上しました。 結論 本研究は、ML技術がEHRデータを活用してEOCRCを予測する潜在能力を示し、推奨されるスクリーニング年齢以下の患者に対して早期診断の可能性を提供する貴重な知見を示しています。